标签
本文提出一个两阶段实体解析流水线，将Sanadset语料库中的传述者姓名链接到两个传记数据库，从而构建一个富含跨源元数据的大型传述图谱。
本文介绍了欧洲LLMs4EU项目与ALT-EDIC基础设施中的一个用例，重点通过整合知识图谱和多语种学术语料库，将基础模型适配至社会科学与人文学科（SSH）研究实践。该方法旨在支持问答、文献综述等任务，同时确保领域敏感性与法规合规性。
本文提出了一种可重复的机器学习流程，用于印加基普斯中的结构模式挖掘，利用开放基普斯存储库中的无监督聚类和监督分类来识别结构组并验证先前发现，所有代码和数据均公开可用。
本文系统研究了如何将时间元数据结构性地嵌入到面向历史文本的命名实体识别（NER）模型中。通过采用早期或晚期融合机制注入绝对和相对时间表示的实验表明，晚期融合策略在法语和德语历史数据集上展现出更稳健的性能。
本文对孟加拉佛教、性力派与毗湿奴派传统间的词汇传播进行了计算分析，考察了词汇与概念如何在各宗教社群间流动。
本文运用计量文体学方法，分析英语译本巴利经典中经藏、律藏和论藏之间的词汇差异。
本文使用TF-IDF和神经网络模型，基于《全唐诗》的语言特征预测诗人的地理籍贯，发现可检测的区域语言指纹、距离衰减效应以及时间对信号的调节作用。
本文介绍了Darshana Graph，一个用于比较印度哲学的平行注释语料库，并展示了文体测量与探索性图分析。
本文介绍了一种使用ISO LMF和TEI Lex-0标准对Al-Mawrid阿拉伯语-英语词典进行数字化的方法，实现了高解析准确率和精确度，填补了阿拉伯语词汇基础设施的空白。
本文将大语言模型置于科学史、科学哲学与科学社会学（HPSS）领域概念分析计算方法的宏观历史背景之中，系统回顾了词汇语义变化检测的方法论挑战与基于大语言模型的案例研究，涵盖前大语言模型时代与大语言模型时代工作流程中的语料库构建、操作化及评估方法。
本文介绍Lepton，一个微调的BERT分类器，用于预测古典中文文集目录中的标题是私人信件还是序言（尤其是易混淆的赠序）。该模型利用了来自明末清初三十三位文人的5,438条手工标注标题。
介绍PaliBench，一个用于巴利语到英语翻译的多参考基准，采用多位学者的独立翻译，并提供一种可复用的方法论，用于为古典语言创建类似的基准测试。